Tenemos un agente consultor que se llama Belisarius. Cada semana revisa el funnel de captación completo de TramitApp y Cruasan — las dos empresas de software donde soy CRO — con un enjambre de unos veinte agentes, y me entrega como máximo cinco decisiones. Lo que lo hace interesante no es el enjambre: es la separación de poderes. Os cuento cómo está organizado, porque es la respuesta que encontré a la pregunta que mata a casi todos los sistemas de agentes: ¿cómo evitas que veinte IAs produzcan humo con mucha confianza?
El contexto mínimo: tengo docenas de agentes que miden su parcela — ads, SEO, ventas, churn, licitaciones. Ninguno cruzaba el conjunto, y la pregunta "¿qué hago esta semana?" no la respondía nadie. Belisarius existe para eso. Pero un consultor que puede inventarse números es peor que no tener consultor, así que el diseño entero va de quitarle poderes.
Cómo se reparte el trabajo:
Primero mide una pieza sin IA, una sola vez. Ejecuta las herramientas que ya miden y produce "claims": afirmaciones con identificador y referencia al fichero de datos del que salen. A partir de ahí, nadie vuelve a medir. Y si una fuente está caída, no se rellena el hueco con una estimación: se declara ceguera. Gris es gris.
Después razonan los agentes: exploradores por canal y analistas cruzados. Con una restricción: no miden, citan claims. Un número sin identificador no existe.
Luego llega mi favorito: Procopio, el verificador adversarial. En la historia real, Procopio fue el cronista que escribió la "Historia Secreta" para destrozar al general Belisario — y su función aquí es literalmente esa: intentar tumbar cada hallazgo. Solo sobrevive lo que resiste el ataque.
Y al final redacta el heraldo, que tiene prohibido el acceso a las fuentes: solo recibe los claims. Físicamente no puede inventarse un número — solo puede citar. Las decisiones que salen las registra Golem (el agente sin IA del que os hablé) como tareas en nuestro backlog.
Encima de todo eso hay dos meta-agentes: un inspector que audita si mis herramientas de medición funcionan — fiabilidad, latencia, veracidad — y un censor que audita al propio Belisarius: cuánto ruido genera, cómo calibra, cuánto acierta. Detalle importante: el censor no puede tocar las reglas. Los cambios que quiera los propone, y compiten en el mismo ranking que todo lo demás.
Las reglas que lo convierten en consultor y no en generador de informes: ninguna recomendación sin prueba de falsación — métrica, ventana y umbral de éxito y de fallo; si no sabes cómo sabrás que funcionó, no es una recomendación, es una opinión. Prohibido recomendar "monitorizar" o "seguir de cerca": propone hacer, no vigilar. Un dato de una sola semana jamás justifica nada: es ruido. Y si no hay nada que proponer, se dice que no hay nada — nunca se inventa una recomendación para justificar el envío.
La pieza final es un failsafe sobre mí mismo: si ignoro sus decisiones tres semanas seguidas, el sistema asume que se ha convertido en ruido de fondo, entra en cuarentena solo, baja a una única recomendación y me pregunta qué apagar. Un consultor que se plantea su propia existencia me parece más honesto que la mayoría de dashboards.
Si estás montando algo parecido, las tres decisiones que importan: separa poderes de verdad — quien mide no razona, quien redacta no ve las fuentes, quien verifica cobra por refutar; exige prueba de falsación a cada propuesta, con umbral de fallo incluido, porque es lo que separa una decisión de una opinión; y audita el proceso, no solo el negocio — el mayor riesgo de un sistema de agentes no es que falle, es que produzca humo verosímil cada semana y nadie lo note.
Este retrato forma parte de la serie Los agentes de la empresa agéntica: los agentes de IA reales que tengo funcionando, contados uno a uno — qué problema tenían, cómo trabajan, qué falló. El próximo: Strategium, el orquestador.
Deja un comentario ¡Tu opinión me interesa!